IR-UWB无线传感器网络中基于TOA的定位算法研究

摘要

无线传感器网络近几年来发展迅速，并被逐渐应用到军事、医疗、环境检测、生态学研究、目标跟踪等各个领域，其关键技术是节点定位。考虑到IR-UWB具有较强时间分辨力的特点，能够用来进行高精度节点定位，因此被广泛应用到无线传感器网络的物理层。本文针对IR-UWB无线传感器网络中的节点定位问题进行深入研究。
　　 本文首先介绍IR-UWB无线传感器网络的概念以及此网络的优势，并论述国内外定位技术研究的现状。接下来分析已有测距算法的优缺点，这些算法包括接收信号到达角度（AOA）、接收信号强度（RSSI）、接收信号到达时间差（TDOA）和接收信号到达时间（TOA），最后根据分析结果找到适合IR-UWB无线传感器网络定位的测距算法，即TOA算法。
　　 本文重点研究的是单节点定位。第一步完成测距，所以本文提出了基于优化动态门限的TOA估计算法。已有TOA估计算法中，大部分基于固定门限，不能在任何可能的信噪比下进行估计，有少数算法基于动态门限，能够在任何可能信噪比下进行估计，但这些算法仅考虑了信号的幅值特性，却忽略了其时延特性，使得统计量不完全，估计误差较大。本章提出的基于优化动态门限的TOA估计算法弥补了上述缺点。首先运用能量检测算法检测出直达单径（DP）所在能量块：然后根据峭度、平均附加时延和均方根时延扩展的组合，提取出最优门限值并拟合出动态门限公式，进而估计出DP所在位置，并以此计算出TOA值。本章还通过仿真对比，验证了算法的优越性。
　　 影响定位精度的主要因素就是非视距（NFLOS）误差，所以本文关于节点定位的第二步就是视距（LOS）和非视距（NLOS）的识别与误差抑制。目前主流的信道状态鉴别研究多是针对蜂窝环境的，节点都是移动的，本章主要针对固定节点之间的NLOS情况进行研究。首先通过信道估计获得峭度、均方根时延和偏度等三个参量，然后借用联合似然比理论的思想，将得到的参量进行联合，用于识别LOS和NLOS的状态。与已有的识别方法相比，本章所提识别方法精度更高。此外，为了抑制NLOS误差，在三段权值的基础上，提出了四段权值，第五章将用这个权值的方法进行加权计算，以更好的校正TOA测距结果。
　　 文章最后就是对节点进行定位计算，并以此为基础进行整体网络的协作定位。使用TOA测距结果及其NLOS处理结果的信息相综合，用四段加权最小二乘法（WLS）算法来对未知节点的位置坐标进行估计。通过仿真对比，表明了本章所提定位算法比现有的三段WLS算法误差更小，定位精度更高。针对网络协作定位的仿真，证明了本文方法的有效性。

目录

文摘

英文文摘

第1章 绪论

1.1 IR-UWB无线传感器网络简介

1.1.1 无线传感器网络

1.1.2 IR-UWB和无线传感器网络结合的优势

1.2 IR-UWB无线传感器网络定位技术研究的目的和意义

1.3 国内外定位技术研究现状分析

1.4 论文主要内容及章节安排

第2章 TOA测距算法研究

2.1 引言

2.2 常用的测距算法分析

2.2.1 到达角度(AOA)

2.2.2 接收信号强度(RSSI)

2.2.3 到达时间差(TDoA)

2.2.4 到达时间算法(TOA)

2.3 基于TOA估计的测距算法的分析

2.4 本章小结

第3章 基于动态门限的TOA优化算法

3.1 引言

3.2 系统模型

3.2.1 IEEE802.15.4a信道模型介绍

3.2.2 小尺度衰落模型

3.2.3 路径损耗模型

3.2.4 多径时延扩展模型

3.2.5 信道的实现

3.3 TOA估计过程

3.3.1 估计过程

3.3.2 接收信号的表达式

3.4 优化动态门限算法

3.4.1 能量检测

3.4.2 门限检测

3.5 性能仿真对比

3.6 同步测距方案

3.7 本章小结

第4章 NLOS与LOS的识别与抑制

4.1 引言

4.2 NLOS误差分析

4.3 NLOS识别模型

4.3.1 系统模型

4.3.2 峭度定义

4.3.3 平均附加时延定义

4.3.4 偏度定义

4.4 NLOS误差抑制

4.5 本章小结

第5章 网络定位

5.1 引言

5.2 节点定位算法

5.2.1 LS算法

5.2.2 WLS算法

5.3 定位精度的评价标准

5.4 网络协作定位

5.4.1 定位方案分析

5.4.2 仿真模型建立与仿真对比

5.5 本章小结

结论

参考文献

攻读硕士学位期间所发表的论文和取得的科研成果

致谢